数据驱动的化学链燃烧铁矿石氧载体性能预测

摘要

针对可应用于实际化学链燃烧过程中铁矿石氧载体的筛选，提出了一种数据驱动的铁矿石氧载体性能预测策略，分别构建了10种机器学习分类模型，实现了氧载体数据集的主动匹配，针对煤/煤焦碳转化率达95%所需时间及燃烧效率的预测均实现了较高的准确率（94.66%和93.07%）．通过基于SHAP的模型解释方法，辨识出煤种特性、Fe₂O₃含量、粒径、温度和氧燃比为制约铁矿石氧载体性能的关键因素．针对实际化学链燃烧复杂因素的单一/综合影响，实现了多工况下氧载体自身的物化性质、反应条件和煤种匹配的协调统一．

关键词

化学链燃烧 / 氧载体 / 性能预测 / 机器学习 / 模型解释